问机器学习在代码开发中的应用

EN

毛茸茸是一种机器学习可以被应用的测试方法。模糊测试是自动探索性测试领域中的一种测试方法。它试图通过运行大量的输入和查找错误来发现软件中的缺陷。未处理的异常是最简单的类别，但智能实现可以使用ML查找可疑输出。然而，ML主要用于此领域，以提高流程的效率。这是通过使用ML来避免通过“有趣”输入的培训来测试每一个可能的输入。(Dis-可能导致失败的类似输入。)

是。这个地区现在很热。它被称为“大代码”，DARPA为此投入了4000万美元：http://www.darpa.mil/program/mining-and-understanding-software-enclaves。一些令人印象深刻的结果已经从这项拨款，如先知和创世纪系统的范龙，它可以自动修复程序中的错误，使用一个正确的补丁学习模型。马丁·韦切夫和他的学生韦斯林·雷切夫也是这一领域的先驱。也许他们最令人印象深刻的结果是JSNice ( http://jsnice.org/ )，它可以“去最小化JavaScript代码”。

总的来说，大代码的想法并没有实现它的承诺:数据太少了，无法学习比变量名称更有趣的东西。虽然我仍然得到了DARPA项目的部分资助，但我的实验室已经停止了它的工作。在这一点上，我听到的关于DeepCoder的最后一件事是，与程序合成技术的现状相比，它得到了相当可悲的结果。

大多数自动编程的成功工具仍然依赖于非ML方法，如SMT求解器。看看任何PL会议(例如: PLDI、POPL、OOPSLA)或任何学术软件工程会议(例如: ICSE、FSE、ISSTA、ASE)的会议记录，您将看到许多例子。

微软一直在开发DeepCoder，利用深度学习从给定的输入和输出中预测方法体。这是我所知道的唯一的例子。

我可以告诉你，元遗传规划是一个有着类似抱负的研究领域，但我不能说我对它了解得足够多，不足以让它变得博学。

2015年，当muScalpel开发出一种解决方案，将一个功能从一个程序移植到另一个程序，将单元测试作为一种训练集时，遗传编程就成了新闻。